MétaCan
Menu
Retour à la cohorte
Enregistrement W2784736400 · doi:10.26443/ijwpc.v5i1.158

Bringing diversity of experience into decision-making about surgery: developing an app for that

2018· article· en· W2784736400 sur OpenAlexafffundvenueabout
Ilja Ormel, Susan Law, Michel Lortie, Charles C. Onu, Donna N. Tataryn

Notice bibliographique

RevueInternational Journal of Whole Person Care · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensSt Mary's Hospital CentreMcGill UniversityMcGill University Health Centre
Organismes subventionnairesFondation du cancer du sein du Québec
Mots-clésNarrativeExperiential learningInformaticsHealth informaticsBreast cancerMedical educationDiversity (politics)MedicineExperiential knowledgeInformation needsComputer scienceMultimediaWorld Wide WebPsychologyNursingCancer

Résumé

récupéré en direct d'OpenAlex

ObjectiveTo design and pilot a mobile application to support decision-making about surgery for breast cancer patients, drawing from a collection of narratives from a diverse sample of Canadian women that used video/audio recordings (published on www.healthexperiences.ca). BackgroundThis idea came from the results of a larger research project where we collected a wide range of women’s stories about having breast cancer using qualitative research methods and video/audio recording. The women we interviewed for this project said that they felt overwhelmed by the amount of information in the period between diagnosis and surgery, and at the same time they felt they needed more specific information relevant to their needs, personal situation and preferences. They also wanted to learn from other women’s experiences of surgery. This project therefore aims to develop an information tool that can respond to that need by offering information in a more personalized manner. This project is funded by the QBCF [Quebec Breast Cancer Foundation]. MethodsSecondary analysis of existing data. Development of recommender system. Design and evaluation involving patients, clinicians and informatics experts. ResultsWe will present our analysis regarding women’s experiences related to surgery, decision-making, preferences and expectations, and need for experiential information. We will then present the development to date of a personalized information application using a computerized recommender system, including a summary of challenges and opportunities encountered along the way. ConclusionDeveloping reliable, evidence-based tools and electronic applications based on other peoples’ experiences offers a novel approach to support informed healthcare decision-making.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,112
Tête enseignante GPT0,403
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Whole Person CareMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207